学习如何自主赛车：一种预测控制方法
系统与控制
2024-12-20 v4 系统与控制
最优化与控制
摘要
在本文中，我们提出一种用于自主赛车的学习模型预测控制器(LMPC)。我们将自主赛车问题建模为最小时间迭代控制任务，其中一次迭代对应一圈。在所提方法中，每一圈的比赛时间相比上一圈不会增加。每一圈的系统轨迹与输入序列被存储并用于系统地更新下一圈的控制器。本文的第一个贡献是提出一种LMPC策略，其减轻了现有LMPC策略相关的计算负担。特别地，我们展示了如何利用所存储数据的子集来构造安全集与值函数的近似。第二个贡献是提出一种针对自主赛车迭代控制任务的系统辨识策略。我们使用先前迭代的数据与车辆运动学方程来建立仿射时变预测模型。所提策略的有效性通过Berkeley Autonomous Race Car (BARC)平台上的实验结果得到证明。
引用
@article{arxiv.1901.08184,
title = {Learning How to Autonomously Race a Car: a Predictive Control Approach},
author = {Ugo Rosolia and Francesco Borrelli},
journal= {arXiv preprint arXiv:1901.08184},
year = {2024}
}